В процессе деятельности любая компания постоянно ищет новые способы развития: оптимизирует производство, улучшает бизнес-процессы, увеличивает вложения в рекламу и маркетинг, повышает уровень сервиса. Но если успехи компании сходят на нет, зачастую сложно понять, что именно идет не так и почему.
Есть область, ресурсы которой еще не исчерпаны – это Data Science. Накопленные в компании данные, полученные из разных источников, таят в себе огромный потенциал. Грамотный анализ больших объемов разнородных данных (Big Data), выведение скрытых закономерностей приводят аналитиков порой к неожиданным открытиям и выводам. Оперируя этими сведениями, можно вывести свою компанию в лидеры рынка.
Этот курс – введение в сложную и многогранную область науки по работе с большими данными – Data Science.
Продолжительность: 09:38:40
Качество видео: PCRec
Видео: WMV3, 960x720, ~96.7 Kbps
Аудио: WMA, 1 ch, 48 Kbps
Mediainfo:
По окончании курса Вы будете уметь:
• определять источники сбора информации и формировать требования к ним;
• подбирать команду для работы с большими данными (Big Data) ;
• выбирать инструментарий для практической работы;
• формировать требования к гибкой адаптации компании для применения бигдата.
[свернуть]
Программа курса:
Модуль 1. Область применения больших данных. Постановка задачи
Цели курса
Определение основных понятий
История науки о данных
Выгоды от работы с большими данными (Big Data)
Модуль 2. Data Science: назначение, области применения
Роль специалистов по DS
Требуемые компетенции
Методология исследования данных
Состав проектной команды для DS
Требования к команде DS
Модуль 3. Сбор и подготовка исходных данных
С чего начать
Описательное и ассоциативное исследование исходных данных
Сегментирование данных (slice and dice)
Практическая работа. Сегментировать тестовый набор данных
Модуль 4. Основы математической статистики
Основная тенденция и отклонения
Среднее, наиболее вероятное и медиана
Распределение Гаусса
Практическая работа. Определить статистические характеристики распределения. Использовать функции распределения Excel
Модуль 5. Визуализация данных
Визуализация данных в Excel (Pivot)
Дашборды
Другие инструменты визуализации
Демонстрация
Модуль 6. Инструменты анализа данных
Основы машинного обучения:
-Сигмоидная функция
-Регрессионный анализ
Обзор инструментов
Модуль 7. Выгоды для компании от применения аналитики больших данных (Big Data)
Подготовка компании к применению Big Data
Требования к компетенциям и взаимодействию сотрудников
Готовность к изменениям = гибкая (agile) компания
Практическая работа. Определить состав «бигдата» команды в вашей организации
Аннотация
ССЫЛКА
В процессе деятельности любая компания постоянно ищет новые способы развития: оптимизирует производство, улучшает бизнес-процессы, увеличивает вложения в рекламу и маркетинг, повышает уровень сервиса. Но если успехи компании сходят на нет, зачастую сложно понять, что именно идет не так и почему.
Есть область, ресурсы которой еще не исчерпаны – это Data Science. Накопленные в компании данные, полученные из разных источников, таят в себе огромный потенциал. Грамотный анализ больших объемов разнородных данных (Big Data), выведение скрытых закономерностей приводят аналитиков порой к неожиданным открытиям и выводам. Оперируя этими сведениями, можно вывести свою компанию в лидеры рынка.
Этот курс – введение в сложную и многогранную область науки по работе с большими данными – Data Science.
Продолжительность: 09:38:40
Качество видео: PCRec
Видео: WMV3, 960x720, ~96.7 Kbps
Аудио: WMA, 1 ch, 48 Kbps
Mediainfo:
По окончании курса Вы будете уметь:
• определять источники сбора информации и формировать требования к ним;
• подбирать команду для работы с большими данными (Big Data) ;
• выбирать инструментарий для практической работы;
• формировать требования к гибкой адаптации компании для применения бигдата.
[свернуть]
Программа курса:
Модуль 1. Область применения больших данных. Постановка задачи
Цели курса
Определение основных понятий
История науки о данных
Выгоды от работы с большими данными (Big Data)
Модуль 2. Data Science: назначение, области применения
Роль специалистов по DS
Требуемые компетенции
Методология исследования данных
Состав проектной команды для DS
Требования к команде DS
Модуль 3. Сбор и подготовка исходных данных
С чего начать
Описательное и ассоциативное исследование исходных данных
Сегментирование данных (slice and dice)
Практическая работа. Сегментировать тестовый набор данных
Модуль 4. Основы математической статистики
Основная тенденция и отклонения
Среднее, наиболее вероятное и медиана
Распределение Гаусса
Практическая работа. Определить статистические характеристики распределения. Использовать функции распределения Excel
Модуль 5. Визуализация данных
Визуализация данных в Excel (Pivot)
Дашборды
Другие инструменты визуализации
Демонстрация
Модуль 6. Инструменты анализа данных
Основы машинного обучения:
-Сигмоидная функция
-Регрессионный анализ
Обзор инструментов
Модуль 7. Выгоды для компании от применения аналитики больших данных (Big Data)
Подготовка компании к применению Big Data
Требования к компетенциям и взаимодействию сотрудников
Готовность к изменениям = гибкая (agile) компания
Практическая работа. Определить состав «бигдата» команды в вашей организации
http://nnm-club.me/forum/viewtopic.php?t=1194681